这是 Vidu Q4 家族的多图产品：不是让一张图片动起来，而是提供一组参考图，并描述它们如何组合成画面。单图工作流见 Vidu Q4 Image to Video 指南。
这里有两个独立的音频控制。声音开关控制是否生成音频，参考音频选择器可在图片之外添加最多三段 MP3。两者互不替代。
上传参考图，需要时添加参考音频，然后设置时长、画质档位、画幅和声音开关。此模式必须填写描述，模型需要知道这些参考图如何组合。
提供单张图片或一组图片，并描述它们应共同呈现的画面。
可在图片旁添加最多三段 3–12 秒的 MP3 作为声音提示，工作台会校验每一段的时长。
可选择 16:9、9:16、1:1、4:3 或 3:4，当投放位置需要的画幅与图片不同时，应使用这个 Vidu Q4 产品。
提供同一主体的多张图片，为它描述一个新场景，先比较结果再为更高档位付费。
组合产品图和场景图，在描述中说明它们在画面里的位置，并检查生成结果中的产品细节。
附加配音或环境声片段，并描述它与场景的关系。生成结果可能无法精确复现输入音频。
使用本页上的按钮，它会以你当前阅读的语言打开对应工作台，并已选中该模型。
写清楚画面或图像中应该发生什么。具体的主体、构图和动作比简短的标签能提供更多信息。
在支持的地方选择时长或画质档位、画幅和声音，然后在生成前核对这组参数对应的积分报价。
生成会消耗账户积分，费用取决于模型、画质、输出尺寸或时长。部分模式使用参考图片、视频或音频可能产生额外费用。生成前请查看工作区针对当前素材和设置给出的积分报价；积分套餐详见价格页面。
查看积分套餐每个任务 1 到 15 张，JPEG、PNG 或 WebP，单张不超过 50 MB。
最多三段 MP3，每段 3–12 秒、单文件不超过 50 MB，另有控制生成音频的声音开关。这两者是独立的输入。
必须。参考模式需要描述这些图片如何组合，上限 20000 字符。
16:9、9:16、1:1、4:3 和 3:4。单图版 Vidu Q4 没有画幅选择器，这个版本有。
3 到 16 秒的整数秒，画质为 540p、720p、1080p、2k 或 4k。